今日頭條
官方微信
官方抖音
資訊頻道細胞作為一個分子機器是地球生命體的基本組成單元，而細胞器是細胞內承擔各種專有功能的元件，其中內體和溶酶體（統稱內溶酶體，endolysosomes）承擔物質運輸、回收降解和信號傳導等關鍵功能，其在細胞質中呈“走走停停”的復雜運動模式，相關運動功能失調與多種疾病的發生密切相關，但其運動調控機制長期未得到系統闡明。
近日，中國科學院自動化研究所多模態人工智能系統全國重點實驗室計算生物學與機器智能（CBMI）團隊采用基于深度學習的圖像分析技術，首次系統解析了內溶酶體的動態模式及其局部環境特征，揭示了內質網（ER）的網格節點是調控內溶酶體運動模式切換的關鍵樞紐。這項研究展示了人工智能在解析細胞內復雜動態系統中的突破性優勢，為理解細胞器間如何在空間上實現其專有功能的協調提供了全新視角。相關成果發表于《科學進展》（Science Advances）。
從“觀察軌跡”到“理解機制”的飛躍
傳統細胞動力學研究依賴人工標注和手動軌跡分析，難以應對數據的高通量及各種致病條件下內溶酶體運動的復雜性。AI深度學習不僅能自動重建數千條內溶酶體軌跡，還能提取其運動狀態、空間分布與微環境特征，從而實現前所未有的動態全景圖重建。
CBMI研究團隊整合單粒子追蹤、空間分布分析和內質網（ER）形態學分析，構建了全自動圖像解析流程，實現了海量細胞器動態數據的多模態整合與精準解析，推動了研究從“觀察運動”到“解析機制”的飛躍。相關成果將被集成于中國科學院部署的磐石科學基礎大模型與磐石·數字細胞平臺。
AI賦能生命科學核心發現：細胞骨架與內膜系統的協調機制
基于以上人工智能工具，研究者首次揭示了內質網（endoplasmic reticulum，ER）連接點作為細胞器動態調控“交通樞紐”的關鍵作用，發現內溶酶體在ER網絡中呈現三種運動狀態——全局快速移動、局部慢速移動與暫停。
研究顯示，這些暫停事件常伴隨內體-溶酶體瞬時互作及細胞器裂變，提示細胞的動態骨架與細胞器交通網絡之間存在精細的信號耦合。
這項研究不僅凸顯了人工智能在解析細胞復雜動態系統中無可替代的優勢，也為從海量成像數據中提煉疾病相關機制性知識提供了全新方法，將加速生命科學研究向臨床應用轉化的進程。
中國科學院自動化研究所副研究員李文靜為論文第一作者，楊戈研究員為論文通訊作者。主要合作者還包括中國科學院生物物理研究所胡俊杰研究員。該研究得到了國家自然科學基金重大研究計劃、中國科學院基礎與交叉前沿科研先導專項、中國國家重點研發計劃以及中央高校基本科研業務費的資助。
論文信息：
Endoplasmic reticulum junctions serve as a platform for endosome-lysosome interactions through their stop-and-go motion switching，Science Advances，Volume 11,Issue 38，Sep 2025.?
來源：中國科學院自動化研究所
北京市公安局海淀分局備案號：11010802023656號